El modelo de aprendizaje automático puede predecir el trastorno del espectro autista

Siga a Drugslib en

Revisado médicamente por Drugs.com.

Por Elana Gotkine HealthDay Reporter

LUNES, 19 de agosto de 2024: en un estudio de diagnóstico, el aprendizaje automático (ML) puede predecir el trastorno del espectro autista (TEA), según un estudio publicado en línea el 19 de agosto en JAMA Network Open.

Shyam Sundar Rajagopalan, Ph.D., del Instituto Karolinska de Estocolmo, y sus colegas desarrollaron y validaron un modelo de aprendizaje automático para predecir el TEA utilizando un conjunto mínimo de características de información médica y de antecedentes. Se realizó un análisis retrospectivo de la base de datos de la Fundación Simons Powering Autism Research for Knowledge, que incluye datos de 30.660 participantes (15.330 con y 15.330 sin TEA). Se desarrollaron modelos de predicción de ML generalizables utilizando cuatro algoritmos: regresión logística, árbol de decisión, bosque aleatorio y eXtreme Gradient Boosting (XGBoost).

Los investigadores descubrieron que el modelo XGBoost demostró un sólido rendimiento, con una puntuación de área bajo la curva característica operativa del receptor (AUROC) de 0,895; sensibilidad y especificidad de 0,805 y 0,829, respectivamente; y un valor predictivo positivo de 0,897. Los predictores más importantes fueron los hitos del desarrollo y la conducta alimentaria. Se observó un AUROC de 0,790 en la validación en cohortes independientes, lo que indica una buena generalización.

"La información médica temprana en las clínicas de cuidado infantil se puede utilizar para detectar a aquellos con una mayor probabilidad de ser diagnosticados con TEA", dijo el los autores escriben.

Resumen/Texto completo

Descargo de responsabilidad: Los datos estadísticos de los artículos médicos proporcionan tendencias generales y no se refieren a individuos. Los factores individuales pueden variar mucho. Busque siempre asesoramiento médico personalizado para decisiones de atención médica individuales.

Fuente: HealthDay

Al corriente : 2024-08-20 01:15

Leer más

Descargo de responsabilidad

Se ha hecho todo lo posible para garantizar que la información proporcionada por Drugslib.com sea precisa, hasta -fecha y completa, pero no se ofrece ninguna garantía a tal efecto. La información sobre medicamentos contenida en este documento puede ser urgente. La información de Drugslib.com ha sido compilada para uso de profesionales de la salud y consumidores en los Estados Unidos y, por lo tanto, Drugslib.com no garantiza que los usos fuera de los Estados Unidos sean apropiados, a menos que se indique específicamente lo contrario. La información sobre medicamentos de Drugslib.com no respalda medicamentos, ni diagnostica a pacientes ni recomienda terapias. La información sobre medicamentos de Drugslib.com es un recurso informativo diseñado para ayudar a los profesionales de la salud autorizados a cuidar a sus pacientes y/o para servir a los consumidores que ven este servicio como un complemento y no un sustituto de la experiencia, habilidad, conocimiento y criterio de la atención médica. practicantes.

La ausencia de una advertencia para un determinado medicamento o combinación de medicamentos de ninguna manera debe interpretarse como una indicación de que el medicamento o la combinación de medicamentos es seguro, eficaz o apropiado para un paciente determinado. Drugslib.com no asume ninguna responsabilidad por ningún aspecto de la atención médica administrada con la ayuda de la información que proporciona Drugslib.com. La información contenida en este documento no pretende cubrir todos los posibles usos, instrucciones, precauciones, advertencias, interacciones medicamentosas, reacciones alérgicas o efectos adversos. Si tiene preguntas sobre los medicamentos que está tomando, consulte con su médico, enfermera o farmacéutico.

Palabras clave populares